本發(fā)明涉及風(fēng)電場
技術(shù)領(lǐng)域：
，尤其涉及一種風(fēng)速概率分布建模的方法和系統(tǒng)。
背景技術(shù)：
：由于風(fēng)具有波動性和隨機(jī)性，一般用風(fēng)速概率分布模型描述不同氣象及地形條件下風(fēng)速的分布特性。風(fēng)速概率分布模型的準(zhǔn)確程度直接決定了風(fēng)電場前期的可行性，影響風(fēng)電場投運(yùn)階段的經(jīng)濟(jì)性，以及并網(wǎng)風(fēng)電場的穩(wěn)定運(yùn)行。因此，研究不同氣象地形條件下風(fēng)速概率分布模型對風(fēng)資源的合理利用具有重要意義。受地理因素(如緯度、地形、地貌)和區(qū)域性氣候因素(如溫度、濕度、壓強(qiáng)等)影響，風(fēng)速日變化、月變化甚至年際變化明顯，風(fēng)速概率分布形態(tài)多樣，風(fēng)速概率分布模型難以統(tǒng)一。申請公布號為CN104036121A，發(fā)明名稱為“基于概率分布轉(zhuǎn)移的測風(fēng)數(shù)據(jù)風(fēng)速訂正方法”的專利申請，公開了一種基于概率分布轉(zhuǎn)移的測風(fēng)數(shù)據(jù)風(fēng)速訂正方法，其記載了如何通過Weibull分布函數(shù)對風(fēng)速作統(tǒng)計描述。然而，隨著新能源發(fā)電接入電力系統(tǒng)的規(guī)模不斷增加，使用特定的參數(shù)概率分布模型可能無法與實(shí)測數(shù)據(jù)更好的擬合。例如，Weibull分布雖然有可能很好地擬合某個風(fēng)電場風(fēng)速概率分布模型，但對于多峰的分布函數(shù)就無法匹配，如果只采用單一的參數(shù)概率分布模型，不能滿足所有的數(shù)據(jù)需求，適應(yīng)性較差。例如，不同地區(qū)的風(fēng)速呈現(xiàn)不同的概率分布特性，基于某單一的參數(shù)分布模型不能體現(xiàn)出不同地區(qū)風(fēng)速的差異。當(dāng)特定的參數(shù)分布模型無法滿足實(shí)際需求時，可以采用非參數(shù)核密度估計確定風(fēng)電場風(fēng)速或的隨機(jī)模型，以減小模型誤差。但非參數(shù)核密度估計為了減小誤差，一般樣本容量n的值選取較大，致使表達(dá)式復(fù)雜，計算量較大。技術(shù)實(shí)現(xiàn)要素：本發(fā)明的目的之一至少在于，針對上述現(xiàn)有技術(shù)存在的問題，提供一種風(fēng)速概率分布建模的方法和系統(tǒng)，能夠體現(xiàn)不同地區(qū)風(fēng)速的差異，增強(qiáng)風(fēng)速隨機(jī)分布模型的適應(yīng)性。為了實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案為：一種風(fēng)速概率分布建模的方法，包括以下步驟：根據(jù)歷史實(shí)測風(fēng)速樣本，獲取風(fēng)速的第一參數(shù)概率密度函數(shù)；設(shè)置m個風(fēng)速分組區(qū)間，利用歷史實(shí)測風(fēng)速樣本對風(fēng)速的第一參數(shù)概率密度函數(shù)進(jìn)行χ2檢驗(yàn)，獲取統(tǒng)計量χ2，以及自由度為m-1且顯著水平為α對應(yīng)的臨界值χ2m-1(1-α)；利用歷史實(shí)測風(fēng)速樣本，對風(fēng)速的第一參數(shù)概率密度函數(shù)進(jìn)行K-S檢驗(yàn)，獲取統(tǒng)計量Dn，以及樣本容量為n且顯著水平為α對應(yīng)的臨界值D(n，α)；當(dāng)統(tǒng)計量χ2小于臨界值χ2m-1(1-α)且統(tǒng)計量Dn小于臨界值D(n，α)時，根據(jù)風(fēng)速的第一參數(shù)概率密度函數(shù)獲取風(fēng)速的概率分布函數(shù)，以描述風(fēng)速的概率分布模型；當(dāng)統(tǒng)計量χ2大于或者等于臨界值χ2m-1(1-α)，或者統(tǒng)計量Dn大于或者等于臨界值D(n，α)時，根據(jù)非參數(shù)核密度估計函數(shù)獲取風(fēng)速的概率分布函數(shù)，以描述風(fēng)速的概率分布模型。優(yōu)選地，所述第一參數(shù)概率密度函數(shù)為：Weibull分布、Raylcigh分布、Γ分布、或者Gumbel分布概率密度函數(shù)。優(yōu)選地，所述非參數(shù)核密度估計函數(shù)fh(x)為：其中：X為隨機(jī)變量，h為帶寬，n為樣本容量，K(·)為核函數(shù)。優(yōu)選地，所述非參數(shù)核密度估計函數(shù)的核函數(shù)為：均勻核函數(shù)K(u)＝1/2-1≤u≤1、三角核函數(shù)K(u)＝1-|u|-1≤u≤1、或者高斯核函數(shù)優(yōu)選地，所述方法包括：采用不同參數(shù)的核函數(shù)對同一樣本總體進(jìn)行核密度估計得到f1(x)和f2(x)；計算f1(x)和f2(x)之間的均方誤差MISE(h)＝E{∫[f1(x)-f2(x)]2dx}的最小值，從而確定最優(yōu)帶寬h*。優(yōu)選地，所述方法包括：采用牛頓法計算f1(x)和f2(x)之間積分方差minISE(h)＝∫[f1(x)-f2(x)]2dx的最小值，從而確定最優(yōu)帶寬h*。優(yōu)選地，所述方法包括：將確定的最優(yōu)帶寬h*，代入兩個具有不同參數(shù)的核函數(shù)分別確定相應(yīng)的概率密度函數(shù)，分別求出f1(x)和f2(x)，然后取二者的平均值作為風(fēng)速樣本的非參數(shù)核密度估計函數(shù)一種風(fēng)速概率分布建模的系統(tǒng)，包括：樣本存儲模塊，用于歷史實(shí)測風(fēng)速樣本；概率分布計算模塊，用于根據(jù)歷史實(shí)測風(fēng)速樣本，獲取風(fēng)速的第一參數(shù)概率密度函數(shù)；χ2檢驗(yàn)?zāi)K，用于設(shè)置m個風(fēng)速分組區(qū)間，利用歷史實(shí)測風(fēng)速樣本對風(fēng)速的第一參數(shù)概率密度函數(shù)進(jìn)行χ2檢驗(yàn)，獲取統(tǒng)計量χ2，以及自由度為m-1且顯著水平為α對應(yīng)的臨界值χ2m-1(1-α)；K-S檢驗(yàn)?zāi)K，用于利用歷史實(shí)測風(fēng)速樣本，對風(fēng)速的第一參數(shù)概率密度函數(shù)進(jìn)行K-S檢驗(yàn)，獲取統(tǒng)計量Dn，以及樣本容量為n且顯著水平為α對應(yīng)的臨界值D(n，α)；概率分布模型建立模塊，用于當(dāng)統(tǒng)計量χ2小于臨界值χ2m-1(1-α)且統(tǒng)計量Dn小于臨界值D(n，α)時，根據(jù)風(fēng)速的第一參數(shù)概率密度函數(shù)獲取風(fēng)速的概率分布函數(shù)，以描述風(fēng)速的概率分布模型；當(dāng)統(tǒng)計量χ2大于或者等于臨界值χ2m-1(1-α)，或者統(tǒng)計量Dn大于或者等于臨界值D(n，α)時，根據(jù)非參數(shù)核密度估計函數(shù)獲取風(fēng)速的概率分布函數(shù)，以描述風(fēng)速的概率分布模型。綜上所述，由于采用了上述技術(shù)方案，本發(fā)明至少具有以下有益效果：對于風(fēng)電場的風(fēng)速概率模型的建立，既能夠通過較小的樣本容量值來簡化計算，還能夠匹配多峰的分布函數(shù)，增強(qiáng)對風(fēng)速數(shù)據(jù)的適應(yīng)性，滿足更廣泛的數(shù)據(jù)需求，體現(xiàn)出不同地區(qū)風(fēng)速的差異，減小模型誤差。附圖說明圖1是本發(fā)明實(shí)施例一提供的風(fēng)速概率分布建模的方法的流程圖；圖2-5分別是風(fēng)電場W1、W2、W3和W4的風(fēng)速直方圖與通過本發(fā)明建立的風(fēng)速概率分布模型的擬合曲線圖；圖6是本發(fā)明實(shí)施例四提供的風(fēng)速概率分布建模的系統(tǒng)的結(jié)構(gòu)示意圖。具體實(shí)施方式下面結(jié)合附圖及實(shí)施例，對本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明，以使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。實(shí)施例一下文結(jié)合圖1，采用Weibull分布概率密度函數(shù)作為風(fēng)速的第一參數(shù)概率密度函數(shù)，對本發(fā)明實(shí)施例一公開的風(fēng)速概率分布建模的方法進(jìn)行詳細(xì)說明。步驟101：獲取風(fēng)速的第一參數(shù)概率密度函數(shù)根據(jù)歷史實(shí)測風(fēng)速樣本，獲取風(fēng)速的Weibull分布概率密度函數(shù)，具體可以采用二參數(shù)Weibull分布對歷史實(shí)測樣風(fēng)速本v1,v2,…,vn進(jìn)行統(tǒng)計描述。例如，可以選用最大似然估計方法估計風(fēng)速的Weibull分布的形狀參數(shù)k和尺度參數(shù)c，獲取風(fēng)速的Weibull分布概率密度函數(shù)f(v)：式中：v為風(fēng)速，k為Weibull分布的形狀參數(shù)，反映風(fēng)速分布的特點(diǎn)；c為Weibull分布的尺度參數(shù)，反映該地區(qū)平均風(fēng)速的大小。步驟102：對風(fēng)速的第一參數(shù)概率密度函數(shù)進(jìn)行χ2檢驗(yàn)例如利用歷史實(shí)測樣風(fēng)速樣本，對風(fēng)速的Weibull分布模型進(jìn)行χ2檢驗(yàn)，具體可以設(shè)置m個風(fēng)速分組區(qū)間(例如，0～1米每秒、1～2米每秒等)，統(tǒng)計每一個區(qū)間內(nèi)對應(yīng)的風(fēng)速實(shí)測樣本v1,v2,…,vn的個數(shù)，根據(jù)風(fēng)速的Weibull分布概率密度函數(shù)f(v)，獲取每一個區(qū)間內(nèi)對應(yīng)風(fēng)速樣本的個數(shù)，進(jìn)而獲取χ2檢驗(yàn)的統(tǒng)計量χ2：式中，n為樣本個數(shù)；vi為第i個區(qū)間內(nèi)歷史實(shí)測風(fēng)速樣本的個數(shù)；pi為第i個區(qū)間內(nèi)根據(jù)風(fēng)速的Weibull分布概率密度函數(shù)f(v)獲取的理論風(fēng)速個數(shù)。進(jìn)一步地，根據(jù)χ2分布臨界值表，獲取自由度為m-1且顯著水平為α對應(yīng)的臨界值χ2m-1(1-α)。當(dāng)統(tǒng)計量χ2大于或者等于臨界值χ2m-1(1-α)時，說明風(fēng)速的Weibull分布概率密度函數(shù)無法通過擬合優(yōu)度檢驗(yàn)，需要采用步驟105的非參數(shù)核密度估計函數(shù)描述其風(fēng)速的隨機(jī)性。步驟103：對風(fēng)速的第一參數(shù)概率密度函數(shù)進(jìn)行K-S檢驗(yàn)例如，利用歷史實(shí)測樣風(fēng)速本，對風(fēng)速的Weibull分布概率密度函數(shù)進(jìn)行K-S檢驗(yàn)，可以將歷史實(shí)測樣風(fēng)速樣本v1,v2,…,vn從小到大排序得到v(1),v(2),…,v(n)，獲取風(fēng)速的經(jīng)驗(yàn)累積分布函數(shù)：其中，i＝1,2,…,n，n(i)為小于v(i)的樣本數(shù)，n為樣本個數(shù)。根據(jù)風(fēng)速的Weibull分布概率密度函數(shù)f(v)，獲取K-S檢驗(yàn)的統(tǒng)計量Dn：進(jìn)一步地，根據(jù)K-S臨界值表，獲取樣本容量為n且顯著水平為α對應(yīng)的臨界值D(n，α)。當(dāng)統(tǒng)計量Dn大于或者等于臨界值D(n，α)時，說明風(fēng)速的Weibull分布概率密度函數(shù)無法通過擬合優(yōu)度檢驗(yàn)，需要采用步驟105的非參數(shù)核密度估計函數(shù)描述其風(fēng)速的隨機(jī)性。步驟104：當(dāng)統(tǒng)計量χ2小于臨界值χ2m-1(1-α)且統(tǒng)計量Dn小于臨界值D(n，α)時，則表示能夠通過擬合優(yōu)度檢驗(yàn)，可以根據(jù)風(fēng)速的Weibull分布概率密度函數(shù)，通過積分獲取風(fēng)速的概率分布函數(shù)，以作為風(fēng)速的概率分布模型數(shù)描述風(fēng)速的概率特性。步驟105：當(dāng)統(tǒng)計量χ2大于或者等于臨界值χ2m-1(1-α)，或者統(tǒng)計量Dn大于或者等于臨界值D(n，α)時，根據(jù)非參數(shù)核密度估計函數(shù)獲取風(fēng)速的概率分布函數(shù)，以描述風(fēng)速的概率分布模型。實(shí)施例二下文對采用非參數(shù)核密度估計作為風(fēng)速的概率分布模型的實(shí)施例進(jìn)行詳細(xì)說明。假設(shè)歷史實(shí)測風(fēng)速樣本X1,X2,…,Xn為隨機(jī)變量X的n個數(shù)據(jù)樣本，隨機(jī)變量X的真實(shí)概率密度函數(shù)為f(x)，則其非參數(shù)核密度估計函數(shù)fh(x)為：其中：h為帶寬，n為樣本容量，K(·)為核函數(shù)。當(dāng)n→∞時，fh(x)收斂于f(x)。具體地，核函數(shù)可以為均勻核函數(shù)K(u)＝1/2-1≤u≤1、三角核函數(shù)K(u)＝1-|u|-1≤u≤1、高斯核函數(shù)等。在優(yōu)選的實(shí)施例中，本發(fā)明選取高斯函數(shù)作為核函數(shù)，其表達(dá)式如下所示：實(shí)際應(yīng)用中，帶寬h的選擇決定fh(x)的精度，而不同的核函數(shù)K(u)對精度的影響遠(yuǎn)小于帶寬h的影響。合理的帶寬h決定了非參數(shù)核密度估計的準(zhǔn)確性，相同的樣本容量n，帶寬h過小，會導(dǎo)致擬合的密度曲線出現(xiàn)過多突點(diǎn)，帶寬h過大，曲線過度平滑，損失過多細(xì)節(jié)，模型準(zhǔn)確性不能得到保證。本發(fā)明采用如下方法來獲取非參數(shù)核密度估計函數(shù)的最優(yōu)帶寬h。假設(shè)樣本X1,X2,…,Xn的總體分布未知，選取兩個具有不同參數(shù)的核函數(shù)確定相應(yīng)的概率密度函數(shù)f1(x)和f2(x)，其表達(dá)式如下所示：優(yōu)選地，K1(·)和K2(·)為具有不同參數(shù)的兩個高斯核函數(shù)。采用不同參數(shù)的核函數(shù)對同一樣本總體進(jìn)行核密度估計得到f1(x)和f2(x)。選取f1(x)和f2(x)之間的均方誤差(MISE)作為目標(biāo)函數(shù)MISE(h)：MISE(h)＝E{∫[f1(x)-f2(x)]2dx}通過計算均方誤差的最小值，從而確定最優(yōu)帶寬h*。進(jìn)一步地，將確定的最優(yōu)帶寬h*，代入兩個具有不同參數(shù)的核函數(shù)分別確定相應(yīng)的概率密度函數(shù)，分別求出f1(x)和f2(x)，然后取二者的平均值作為風(fēng)速樣本的非參數(shù)核密度估計函數(shù)fn(x)：在優(yōu)選的實(shí)施例中，由于積分方差(ISE)是均方積分誤差(MISE)的一個無偏估計，因此MISE(h)的最小值問題可代簡為積分方差(ISE)的最小值問題，即：minISE(h)＝∫[f1(x)-f2(x)]2dx運(yùn)用牛頓法對minISE(h)進(jìn)行最優(yōu)化求解，以獲取最優(yōu)帶寬h*，將獲取的最優(yōu)帶寬h*，分別代入兩個具有不同參數(shù)的核函數(shù)確定相應(yīng)的概率密度函數(shù)，分別求出f1(x)和f2(x)，然后取二者的平均值作為風(fēng)速樣本的非參數(shù)核密度估計函數(shù)fn(x)，進(jìn)而根據(jù)非參數(shù)核密度估計函數(shù)獲取風(fēng)速的概率分布函數(shù)，以描述風(fēng)速的概率分布模型。。實(shí)施例三下文以4個風(fēng)電場W1、W2、W3和W4為例，根據(jù)1年的歷史實(shí)測風(fēng)速數(shù)據(jù)，對本發(fā)明實(shí)施例三公開的風(fēng)速概率分布建模的方法進(jìn)行詳細(xì)說明。對于每一個風(fēng)電場，選用最大似然估計方法估計風(fēng)速的Weibull分布的形狀參數(shù)k和尺度參數(shù)c，如表1所示：表1風(fēng)電場kcW110.722.42W28.262.31W38.432.32W411.292.16進(jìn)而可以獲取風(fēng)速的Weibull分布概率密度函數(shù)f(v)。利用歷史實(shí)測樣風(fēng)速樣本，對風(fēng)速的Weibull分布模型進(jìn)行χ2檢驗(yàn)，獲取χ2檢驗(yàn)的統(tǒng)計量χ2，以及自由度為3且顯著水平為α＝0.05對應(yīng)的臨界值χ2m-1(1-α)，并對風(fēng)速的Weibull分布模型進(jìn)行K-S檢驗(yàn)，獲取統(tǒng)計量Dn以及樣本容量為n且顯著水平為α對應(yīng)的臨界值D(n，α)，檢驗(yàn)結(jié)果如表2所示：表2表2給出了利用風(fēng)電場的歷史風(fēng)速樣本數(shù)據(jù)，對采用Weibull分布概率密度函數(shù)描述的風(fēng)速特征的檢驗(yàn)統(tǒng)計量χ2和Dn的有名值，臨界值和標(biāo)幺值(標(biāo)幺值＝統(tǒng)計量有名值/臨界值)。根據(jù)統(tǒng)計學(xué)擬合優(yōu)度檢驗(yàn)理論，若統(tǒng)計量的標(biāo)幺值小于1，則代表所采用的概率分布模型能通過擬合優(yōu)度檢驗(yàn)，即可以接受采用的概率分布模型。否則，所采用的概率分布模型不予以接受。同時，標(biāo)幺值越小，代表越好的擬合優(yōu)度，擬合效果越好。由表2可知，風(fēng)電場W2、W3的風(fēng)速采用Weibull分布概率密度函數(shù)時，χ2和K-S檢驗(yàn)的統(tǒng)計量的標(biāo)幺值都小于1，即風(fēng)電場W2、W3風(fēng)速的Weibull分布模型可以通過χ2和K-S檢驗(yàn)，因此，風(fēng)電場W2、W3選擇Weibull分布概率密度函數(shù)描述其風(fēng)速的隨機(jī)性。由于采用Weibull分布，所需的樣本容量值小于非參數(shù)核估計，因此能夠通過較小的樣本容量值來簡化計算。而風(fēng)電場W1、W4風(fēng)速的Weibull分布模型的χ2和K-S檢驗(yàn)都不能通過，且其標(biāo)么值遠(yuǎn)大于1，因此，風(fēng)電場W1、W4需要采用相應(yīng)的非參數(shù)核密度估計函數(shù)描述其風(fēng)速的隨機(jī)性，即需要進(jìn)一步根據(jù)非參數(shù)核密度估計函數(shù)獲取風(fēng)速的概率分布函數(shù)，以描述風(fēng)速的概率分布模型，以匹配多峰的分布函數(shù)，增強(qiáng)對風(fēng)速數(shù)據(jù)的適應(yīng)性，滿足更廣泛的數(shù)據(jù)需求，體現(xiàn)出不同地區(qū)風(fēng)速的差異。下文進(jìn)一步以獲取的如下表3所示非參數(shù)核密度估計函數(shù)的最優(yōu)帶寬h為例，對非參數(shù)核密度估計的風(fēng)速模型進(jìn)行χ2檢驗(yàn)和K-S檢驗(yàn)，獲取如下表4所示的檢驗(yàn)結(jié)果表3風(fēng)電場帶寬hW10.58W40.69表4由上述建模過程可以得出，對于風(fēng)電場W1、W2、W3和W4中的W2、W3選擇Weibull分布概率密度函數(shù)描述其風(fēng)速的隨機(jī)性，在滿足擬合效果要求的情況下，能夠通過較小的樣本容量值來簡化計算；而對于風(fēng)電場W1和W4采用相應(yīng)的非參數(shù)核密度估計函數(shù)描述其風(fēng)速的隨機(jī)性，能夠匹配多峰的分布函數(shù)，增強(qiáng)對風(fēng)速數(shù)據(jù)的適應(yīng)性，滿足更廣泛的數(shù)據(jù)需求，體現(xiàn)出不同地區(qū)風(fēng)速的差異。因此，對于總體四個風(fēng)電場的風(fēng)速概率模型的建立，既能夠通過較小的樣本容量值來簡化計算，還能夠匹配多峰的分布函數(shù)，增強(qiáng)對風(fēng)速數(shù)據(jù)的適應(yīng)性，滿足更廣泛的數(shù)據(jù)需求，體現(xiàn)出不同地區(qū)風(fēng)速的差異，減小模型誤差。圖2至圖5依次示出了風(fēng)電場W1、W2、W3和W4分別采用Weibull分布概率密度函數(shù)和非參數(shù)核密度估計函數(shù)描述其風(fēng)速概率密度的隨機(jī)性，以及歷史實(shí)測風(fēng)速樣本頻率直方圖的對比。從圖中可以看出，雖然非參數(shù)分布模型對風(fēng)電場W1、W2、W3和W4實(shí)際數(shù)據(jù)的擬合都很好，但是Weibull分布模型對風(fēng)電場W2、W3的風(fēng)速的擬合也能夠達(dá)到擬合精度要求，并且其所需的計算樣本容量更小，因此計算量更小，從而可以簡化計算。而僅在風(fēng)電場W1和W4采用相應(yīng)的非參數(shù)核密度估計函數(shù)描述其風(fēng)速的隨機(jī)性，能夠匹配多峰的分布函數(shù)，增強(qiáng)對風(fēng)速數(shù)據(jù)的適應(yīng)性。以上實(shí)施方式僅用于說明本發(fā)明的較佳實(shí)施例，而非對本發(fā)明的限制。相關(guān)
技術(shù)領(lǐng)域：
的技術(shù)人員在不脫離本發(fā)明的原則和范圍的情況下，做出的各種替換、變型以及改進(jìn)均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。實(shí)施例四如圖6所示，本發(fā)明實(shí)施例四所公開的一種風(fēng)速概率分布建模的系統(tǒng)包括：通過諸如局域網(wǎng)、無線接入網(wǎng)等或者網(wǎng)絡(luò)總線接口連接的具有中央處理器和運(yùn)行內(nèi)存的樣本存儲模塊、概率分布計算模塊、χ2檢驗(yàn)?zāi)K、K-S檢驗(yàn)?zāi)K以及概率分布模型建立模塊。其中，樣本存儲模塊，用于歷史實(shí)測風(fēng)速樣本；概率分布計算模塊，用于根據(jù)歷史實(shí)測風(fēng)速樣本，獲取風(fēng)速的第一參數(shù)概率密度函數(shù)；χ2檢驗(yàn)?zāi)K，用于設(shè)置m個風(fēng)速分組區(qū)間，利用歷史實(shí)測風(fēng)速樣本對風(fēng)速的第一參數(shù)概率密度函數(shù)進(jìn)行χ2檢驗(yàn)，獲取統(tǒng)計量χ2，以及自由度為m-1且顯著水平為α對應(yīng)的臨界值χ2m-1(1-α)；K-S檢驗(yàn)?zāi)K，用于利用歷史實(shí)測風(fēng)速樣本，對風(fēng)速的第一參數(shù)概率密度函數(shù)進(jìn)行K-S檢驗(yàn)，獲取統(tǒng)計量Dn，以及樣本容量為n且顯著水平為α對應(yīng)的臨界值D(n，α)；概率分布模型建立模塊，用于當(dāng)統(tǒng)計量χ2小于臨界值χ2m-1(1-α)且統(tǒng)計量Dn小于臨界值D(n，α)時，根據(jù)風(fēng)速的第一參數(shù)概率密度函數(shù)獲取風(fēng)速的概率分布函數(shù)，以描述風(fēng)速的概率分布模型；當(dāng)統(tǒng)計量χ2大于或者等于臨界值χ2m-1(1-α)，或者統(tǒng)計量Dn大于或者等于臨界值D(n，α)時，根據(jù)非參數(shù)核密度估計函數(shù)獲取風(fēng)速的概率分布函數(shù)，以描述風(fēng)速的概率分布模型。當(dāng)前第1頁1 2 3